دولت هند برای شناسایی خرابیهای جاده از هوش مصنوعی استفاده میکند
دولت هند در حال آزمایش سامانهای مبتنی بر هوش مصنوعی است که میتواند خرابیهایی مانند چاله و ترکهای سطح جاده را از طریق ویدیوهای ضبطشده با گوشیهای هوشمند تشخیص دهد. این فناوری ابتدا در چند منطقه منتخب مورد آزمایش قرار گرفت و اکنون بررسی آن در مقیاس ملی در ح…
خلاصه تحلیلی خبر
دولت هند در حال آزمایش سامانهای مبتنی بر هوش مصنوعی است که میتواند خرابیهایی مانند چاله و ترکهای سطح جاده را از طریق ویدیوهای ضبطشده با گوشیهای هوشمند تشخیص دهد. این فناوری ابتدا در چند منطقه منتخب مورد آزمایش قرار گرفت و اکنون بررسی آن در مقیاس ملی در ح…
موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، مصنوعی، هوش، بررسی، سامانه
دولت هند در حال آزمایش سامانهای مبتنی بر هوش مصنوعی است که میتواند خرابیهایی مانند چاله و ترکهای سطح جاده را از طریق ویدیوهای ضبطشده با گوشیهای هوشمند تشخیص دهد. این فناوری ابتدا در چند منطقه منتخب مورد آزمایش قرار گرفت و اکنون بررسی آن در مقیاس ملی در حال انجام است.
این طرح با هدف شناسایی ایرادهای جادههای روستایی اجرا میشود و دولت هند قصد دارد قابلیتهای سامانه را در نقاط مختلف کشور ارزیابی کند. بر اساس گزارش هندوستان تایمز، هوش مصنوعی میتواند چالهها، ترکها و دیگر آسیبهای قابل مشاهده جادههای روستایی را از روی ویدئوهای ثبتشده با تلفن همراه شناسایی کند.
وزارت توسعه روستایی هند نیز برای اجرای آزمایشی سامانه ارزیابی وضعیت جاده با هوش مصنوعی، در جادههای ساختهشده در چارچوب طرح پردهان مانتری گرام ساداک یوجانا یا PMGSY موافقت اولیه خود را اعلام کرده است. این آزمایش ملی از اول سپتامبر آغاز شده و پس از آن صورت گرفت که ایالتها و قلمروهای اتحادیه، واحدهای اجرای برنامه را برای انجام آزمایش روی جادههای PMGSY مشخص کردند.
این سامانه با همکاری مرکز توسعه رایانش پیشرفته یا C-DAC و آژانس ملی توسعه زیرساختهای روستایی یا NRIDA در حال توسعه است.
سامانه هوش مصنوعی چگونه کار میکند؟
در روش فعلی، وضعیت جادههای تحت پوشش این طرح از طریق بازدیدهای حضوری و تصاویر دارای موقعیت جغرافیایی که مأموران میدانی در اپلیکیشن موبایلی eMARG بارگذاری میکنند، بررسی میشود. در آزمایش جدید، هوش مصنوعی برای شناسایی هفت نوع خرابی قابل مشاهده به کار گرفته شده است: چالهها، ترکهای طولی، ترکهای عرضی، شکستگی لبه جاده، فرورفتگی سطح، بخشهای ترمیمشده و موانع ناشی از پوشش گیاهی.
در مرحله کنونی، ویدیوهای وضعیت جاده با یک اپلیکیشن و به وسیله تلفنهای همراهی ضبط میشوند که از قبل روی خودروهای در اختیار واحدهای اجرایی نصب شدهاند. استفاده از دوربینهای اختصاصی داشبورد نیز ممکن است در مراحل بعدی مورد بررسی قرار گیرد.
ارزیابی تولیدشده توسط هوش مصنوعی میتواند به شناسایی و ثبت نیازهای مربوط به تعمیر و نگهداری کمک کند. با این حال، این فناوری فعلاً تنها بهعنوان ابزار کمکی برای تصمیمگیری درباره نگهداری جادهها آزمایش میشود و مهندسان همچنان باید خرابیها را بهصورت حضوری بررسی کرده و اندازهگیریهای خود را با نتایج سامانه هوش مصنوعی تطبیق دهند.
بررسی نتایج هوش مصنوعی توسط مهندسان
اگر نتیجه ارزیابی هوش مصنوعی با تشخیص مهندس تفاوت داشته باشد، این اختلاف در جریان مرحله اعتبارسنجی میدانی بررسی خواهد شد. پس از تکمیل این فرآیند نیز قرار است پروتکل مشخصی برای راستیآزمایی و بررسی نتایج پیش از اجرای گستردهتر سامانه تدوین شود.
وزارت توسعه روستایی همچنین در حال بررسی این موضوع است که آیا در آینده میتوان وضعیت جادهها را در قالب یک چارچوب نگهداری مبتنی بر فناوری، هر سه ماه یکبار ارزیابی کرد یا خیر. با این حال، هنوز درباره دوره زمانی نهایی برای انجام این ارزیابیها تصمیم قطعی گرفته نشده است.
مقررات قراردادی فعلی، از جمله مفاد مربوط به نگهداری جاده و دوره مسئولیت رفع نقص، همچنان پابرجا خواهند بود. دوره مسئولیت رفع نقص پنج سال از تاریخ تکمیل پروژه است و در این مدت پیمانکار موظف خواهد بود ایرادهای جاده را برطرف کند و عملیات نگهداری معمول را انجام دهد.
آزمایشهای اولیه این سامانه طبق گزارشها اوایل سال جاری آغاز شد و شش جاده در پونا، منطقه لاکنو، منطقه کامروپ در ایالت آسام و منطقه ریبوی در مگالایا را دربر گرفت. پس از آن، نسخه بهبودیافته مدل روی هفت جاده در منطقه کانپور و بخش برِسیا از منطقه بوپال آزمایش شد. گسترش این فناوری در سطح کشور به نتایج اعتبارسنجی ملی، آمادگی عملیاتی سامانه و دریافت تأییدیههای بیشتر بستگی خواهد داشت.
این طرح بخشی از روند گستردهتر استفاده از هوش مصنوعی برای مدیریت جادهها در هند محسوب میشود. دولت دهلی نیز اخیراً پیشنهاد کرده است با کمک هوش مصنوعی، بیش از ۴۲۰ کیلومتر از جادههای جنوب دهلی از نظر ترافیک و ایمنی بررسی شود تا نقاط پرتراکم، گلوگاههای ترافیکی و مسیرهای مستعد تصادف شناسایی شوند.
برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.